简介这份资源面向物流自动化、机器人设计与机械结构学习者提供自动导引车AGV的完整三维模型与装配文件可用于理解AGV整机结构、导航与驱动布局并支持在SolidWorks等环境中进行拆解、修改与二次设计。压缩包共75个文件约29.73MB以30个sldprt零件模型、4个sldasm装配体、32个par参数文件为主另含asm装配、stp通用交换格式、jpg预览图及xml、cfg、log等配置日志文件覆盖车体、电机、齿轮、轴系、支架等关键部件。已有166人学习下载适合机械设计初学者与AGV结构研发人员参考。资源中零件命名与装配层级相对完整可据此梳理AGV从底盘、驱动到载货装置的组成关系并借助stp文件跨平台查看为课程设计、方案验证与结构改进提供可直接复用的模型基础。1. 自动导引车AGV从一台样机到可交付系统的分水岭自动导引车AGV这个词很多人第一次接触是在产线改造方案里看到一台小车顶着料架在磁条上跑觉得不过是个「会走路的电机」。真正动手做一台能连续跑三个月不出事的 AGV才会发现难点根本不在「走」而在定位漂移、任务调度、异常恢复这三件事上。标题里重复了两遍 AGV我理解成两层意思一层是单车的运动控制与导航另一层是多车协同的调度系统这两层任何一层没做扎实项目都会在验收前翻车。这篇面向的是准备把 AGV 从 Demo 推到现场的人做嵌入式控制的、做上位机调度的、做现场交付的都能对上号。我会按「单车怎么跑稳 → 调度怎么排 → 现场怎么排错」的顺序讲参数给到能直接改的程度坑按现象、原因、解决三段写清楚。适合已经有底盘和激光雷达、但还没跑通完整闭环的团队照着复现。2. 单车导航闭环定位、路径与速度控制怎么串起来AGV 单车能不能跑稳取决于三个环节的耦合质量定位给出位姿路径规划给出参考轨迹速度控制把轨迹变成轮速指令。三者中任何一环延迟过大或噪声过高整车就会表现为「画龙」或者「到点不停」。常见做法是用激光雷达做反光板或轮廓匹配定位配合里程计做融合路径用纯跟踪或模型预测底层用双轮差速的 PID 或前馈加反馈。下面按可复现的顺序拆开。2.1 定位方案选型反光板、轮廓匹配与里程计融合的取舍现场定位方案基本是三选一或组合反光板三角定位精度高常见 510 mm但需要提前布板改线成本高轮廓匹配SLAM 建图后匹配不需要额外施工但对环境动态变化敏感长走廊和空旷车间容易退化里程计融合是必选项用来在雷达短暂失效时兜底。我一般会推荐「轮廓匹配为主 里程计融合 关键工位补反光板」的混合方案兼顾施工成本和关键点精度。融合的核心是扩展卡尔曼滤波EKF状态量取[x, y, theta, v, omega]。雷达定位输出x, y, theta作为观测轮速编码器输出v, omega作为控制输入。参数上最容易翻车的是观测噪声矩阵 R给太小雷达一次跳变就把位姿拉飞给太大融合等于没做。经验值是轮廓匹配的 R 取diag(0.02^2, 0.02^2, 0.01^2)起步反光板定位可以收紧到diag(0.005^2, 0.005^2, 0.003^2)。import numpy as np def ekf_predict(state, P, v, omega, dt, Q): x, y, theta state # 差速运动学预测 x_new x v * np.cos(theta) * dt y_new y v * np.sin(theta) * dt theta_new theta omega * dt # 雅可比矩阵 F F np.array([ [1, 0, -v * np.sin(theta) * dt], [0, 1, v * np.cos(theta) * dt], [0, 0, 1] ]) P_new F P F.T Q return np.array([x_new, y_new, theta_new]), P_new def ekf_update(state, P, z, R, H): # z 为雷达观测 [x, y, theta] y z - H state y[2] np.arctan2(np.sin(y[2]), np.cos(y[2])) # 角度归一化必做 S H P H.T R K P H.T np.linalg.inv(S) state_new state K y P_new (np.eye(3) - K H) P return state_new, P_new这段代码里有两个容易被忽略的点。第一是角度归一化theta在 ±π 附近跳变时如果不做arctan2处理融合后的航向会瞬间反向车会原地打转这是血泪经验。第二是 Q 矩阵的取值过程噪声反映的是轮子打滑和地面摩擦变化车间地面有油污时 Q 要适当放大否则滤波器过度信任预测雷达修正拉不回来。dt 建议用实际时间戳差值而不是固定 20 ms主控负载波动时固定 dt 会引入系统性偏差。2.2 纯跟踪路径跟踪前视距离怎么定才不画龙路径跟踪我一般用纯跟踪Pure Pursuit因为它对 AGV 这种低速0.31.5 m/s场景足够稳参数只有一个前视距离 Ld调起来直观。原理是在参考路径上找一个距离车体 Ld 的目标点用几何关系算出期望角速度。Ld 太小车会贴着路径来回修正表现为画龙Ld 太大弯道会切内道甚至撞货架。经验公式是Ld k * v Ld_mink 取 0.81.2Ld_min 取 0.40.6 m。速度 0.5 m/s 时 Ld 约 0.9 m1.0 m/s 时约 1.4 m。弯道段建议单独把 Ld 压到 0.6 m 以内直道可以放宽。下面是最小实现def pure_pursuit(pose, path, Ld, wheelbase): x, y, theta pose # 在路径上找第一个距离 Ld 的点 target None for px, py in path: if np.hypot(px - x, py - y) Ld: target (px, py) break if target is None: return 0.0, 0.0 # 路径走完 dx, dy target[0] - x, target[1] - y alpha np.arctan2(dy, dx) - theta alpha np.arctan2(np.sin(alpha), np.cos(alpha)) # 曲率 kappa 2*sin(alpha)/Ld kappa 2 * np.sin(alpha) / Ld omega kappa * 0.6 # 0.6 m/s 巡航速度 return 0.6, omegawheelbase在差速车上不直接用但换成阿克曼底盘时曲率公式要改成tan(delta)/L这是选型时就要想清楚的。另外路径点密度建议 0.1 m 一个点太稀会导致目标点跳变太密则查找耗时上升1 kHz 控制周期下线性查找 500 个点约 0.2 ms可以接受超过 2000 点建议建 KD 树。2.3 速度环 PID 整定从阶跃响应看三个参数底层速度环是最后一道关PID 整不好上层规划再漂亮车也是抖的。差速 AGV 一般对左右轮各做一个速度闭环编码器反馈周期 10 ms。整定顺序是先 P 后 I 最后 D用阶跃响应看超调和稳定时间。P 从 0.5 起逐步加到出现 10% 超调后回退 20%I 用来消稳态误差但积分饱和会让车在坡道起步时冲出去必须加抗饱和D 对编码器噪声敏感车间地面不平导致轮速波动时 D 反而添乱我一般 D 取 0 或很小。参数起步值调整方向翻车表现Kp0.5超调大则减响应慢则加过大车体高频抖动Ki0.05稳态误差消不掉则加过大起步冲、停车过冲Kd0一般保持 0过大轮速噪声被放大控制周期10 ms与编码器周期对齐不对齐采样混叠抗饱和的常见做法是积分分离误差大于阈值时停止积分或者用integral clamp(integral, -limit, limit)。限幅值按最大持续电流对应的速度误差积分来估实测 0.3 m/s 阶跃下 limit 取 0.5 左右比较合适。3. 多车调度任务分配、路径冲突与死锁规避单车跑通只是及格线现场一旦上到 5 台以上调度系统的问题会集中爆发两台车在窄通道对头、任务分配不均导致某台车空跑、充电桩被占导致集体趴窝。这一章讲调度层的三个核心机制都是能直接落到代码结构里的。3.1 任务分配拍卖算法比轮询好在哪最简单的分配是轮询或就近派单但就近派单在多任务并发时会陷入局部最优A 车离任务 1 最近但任务 2 只有 B 车能接比如载重不同就近派单会把 A 派给任务 1B 空等。拍卖算法让每台车对每个任务出价出价 预估到达时间 电量惩罚 载重匹配惩罚任务分配给出价最低的车迭代直到所有任务分配完。def auction_assign(vehicles, tasks, cost_fn): # cost_fn(vehicle, task) 返回代价值越大越不想接 unassigned set(range(len(tasks))) assignment {} while unassigned: bids {} for vi, v in enumerate(vehicles): if vi in assignment.values(): continue best_task, best_cost None, float(inf) for ti in unassigned: c cost_fn(v, tasks[ti]) if c best_cost: best_task, best_cost ti, c if best_task is not None: bids[vi] (best_task, best_cost) if not bids: break # 每个任务只留给出价最低的车 winner min(bids.items(), keylambda kv: kv[1][1]) vi, (ti, _) winner assignment[vi] ti unassigned.discard(ti) return assignment代价函数是调度的灵魂我一般写成cost 到达时间 * w1 (100 - 电量) * w2 载重不匹配 * w3w1 取 1.0w2 取 0.3w3 取 50。电量惩罚权重不能太大否则满电车永远接不到活也不能太小否则低电车跑到半路没电现场就得人工拖车。这个算法复杂度是 O(VT迭代次数)20 台车 50 个任务在 100 ms 内能算完够用。3.2 路径冲突检测时间窗法的最小实现多车路径冲突分三种相向冲突对头、交叉冲突路口、追尾冲突同向速度差。工业现场最常用的是时间窗法把每台车的路径按时间展开成占用区间新路径规划时检查与已有时间窗是否重叠。重叠则要么等待要么改道。实现上把地图切成栅格每个栅格记录[(vehicle_id, t_start, t_end)]。规划新路径时逐段检查冲突则把该段起始时间推后一个安全间隔常见 23 s重新检查最多重试 5 次仍冲突则拒绝任务并上报。def check_conflict(grid_occupancy, path, t0, speed, safety_gap2.0): t t0 for i in range(len(path) - 1): seg_len dist(path[i], path[i1]) t_end t seg_len / speed cell path[i] for (vid, ts, te) in grid_occupancy.get(cell, []): if not (t_end safety_gap ts or t te safety_gap): return True, t # 冲突返回冲突时刻 t t_end return False, Nonesafety_gap是两台车之间的时间缓冲取 2 s 对应 0.6 m/s 下约 1.2 m 车距窄通道要放大到 3 s。注意时间窗要随车实际进度滚动更新车堵在路上时时间窗会失效必须有一个「进度回传」机制否则调度以为车已经过了路口实际还堵着就会派第二台车进去这是现场最常见的死锁来源。3.3 死锁规避窄通道单向管制与回退策略死锁的典型场景是两台车在单车道窄通道对头谁也不让。根治办法是窄通道做单向管制通道入口设虚拟红绿灯同一时刻只允许一个方向的车进入进入前申请令牌驶出后释放。令牌用带超时的锁实现超时 30 s 强制释放并告警防止某台车故障后把通道永久锁死。回退策略是兜底检测到两车距离小于 0.8 m 且相对速度接近 0 超过 5 s判定为潜在死锁调度下发回退指令让任务优先级低的车倒退到最近避让点。避让点在建图时就要标好不能临时找。回退速度限制在 0.2 m/s且必须确认后方 1.5 m 无障碍。提示单向管制和回退策略要同时上只做管制车故障时通道瘫痪只做回退高峰期回退频繁效率掉一半。4. 现场部署避坑五类高频故障的现象、原因与解决这一章按我踩过的顺序写每条都是现场真实会遇到的现象描述尽量具体方便对照排查。4.1 定位突然跳变几十厘米现象车在某个固定位置经过时上位机显示的位姿突然跳变 2050 cm随后又恢复严重时车会急停。原因通常是该位置有高反光物体不锈钢货架、玻璃门或雷达视野被临时遮挡轮廓匹配把错误特征当成了地图特征。解决分三步先看雷达原始点云在该位置是否有异常密集的反射簇再在定位模块加跳变检测单帧位姿变化超过 0.3 m 或 0.2 rad 时丢弃该帧观测只信预测最后在该区域补反光板或贴吸波材料。跳变检测的阈值不能设太小否则正常快速转弯也会被误判。4.2 到点不停或停车位置偏差大现象任务下发后车能走到目标附近但停不准偏差 1030 cm或者干脆冲过目标点。原因多半是路径终点没有做减速规划纯跟踪在终点附近目标点消失角速度归零但线速度还在。解决是在路径末尾 1.5 m 内做梯形减速速度从巡航降到 0.1 m/s最后 0.2 m 用位置闭环微调。另外检查里程计标定轮径误差 1% 在 20 m 行程上就是 20 cm 偏差标定方法是让车直行 10 m用卷尺量实际距离按比例修正轮径系数。4.3 多车任务堆积但车都在空闲现象调度界面显示有 10 个待分配任务但 5 台车都显示空闲任务不往下走。原因通常是任务分配的死锁某台车被分配了任务但状态机卡在「前往取货」没回传调度认为它忙其他车又因为代价函数里「载重不匹配」惩罚过高不愿接。排查先看每台车的状态机当前状态和最后心跳时间心跳超过 5 s 未更新判定为失联强制释放其占用任务。根治是给状态机每个状态加超时超时自动转异常并上报不能让车「静默忙」。4.4 充电桩被占导致集体低电现象下午三点后多台车电量低于 20%但充电桩前排队有的车等到关机。原因是充电任务没有纳入统一调度各车自己判断低电就去充先到先得。解决是把充电桩当特殊任务纳入拍卖低电车对充电任务出价时给电量惩罚加权同时限制同时前往同一充电桩的车数不超过桩位数。另外设置电量分级30% 触发预约20% 强制插队10% 直接停车告警别等关机。4.5 无线网络抖动导致指令丢失现象车在车间某些角落收不到指令原地等待超时后急停走出角落又恢复。原因是无线覆盖有盲区或者同频干扰。解决不是简单加 AP而是先做覆盖热力图用场强仪沿车道路径走一遍低于 -70 dBm 的区域补 AP。协议层加指令序号和重传上位机每条指令带 seq车端收到后回 ack200 ms 未 ack 重发重发 3 次失败则车端进入安全停车而不是继续执行旧指令。这条是后悔药上线前不做上线后天天被叫去现场。5. 把 AGV 系统跑成可验收状态一套自检清单与调参顺序前面讲的是机制这一章讲怎么验证机制真的生效。我交付前一定会跑一套自检顺序不能乱因为后面的测试依赖前面的结果。先单车站点精度再多车空载调度最后满载压力每一步都有量化指标达不到就不往下走。阶段测试项通过标准常用工具单车直线 20 m 偏差终点横向偏差 30 mm卷尺 标记单车站点停靠重复精度连续 10 次偏差 20 mm激光测距仪单车急停响应触发到停止 300 ms示波器抓使能信号多车10 台车 50 任务完成时间无死锁平均任务时长 8 min调度日志回放多车窄通道通行连续 2 小时无对头死锁通道令牌日志满载连续 8 小时运行故障停机 2 次定位跳变 5 次全量日志调参顺序我固定为先标定轮径和轮距里程计准了后面才有意义再整定速度环 PID底层稳了上层才不抖然后调纯跟踪 Ld路径跟踪顺了定位误差才看得清最后调调度代价权重单车都稳了多车才有意义。反过来做底层没稳就调调度你会把底层问题误判成调度问题浪费一周。一个具体技巧是日志分级定位、控制、调度三层各打各的日志带统一时间戳和车辆 ID出问题时用脚本按时间窗对齐三层日志能快速定位是感知跳变、控制超调还是调度误派。我习惯在每次现场调试前先跑一遍日志对齐脚本确认时间戳同步误差小于 10 ms否则后面所有分析都是错的。最后说个我自己的教训早期做 AGV 项目我总想先把功能做全再测稳定性结果功能越多出问题时越难定位是哪一层引起的。后来改成每加一个功能就跑一遍上面的自检表宁可慢一点也不让问题叠加。这个习惯让我少熬了很多夜。希望帮到你。本文还有配套的精品资源点击获取
